Xiaomiの新AI MiMo V2.6 9Bは、VRAM 8GBのグラボでどれくらい動く?
2026年11月3日(世界時)にリリースされた Ollama v0.40.15 で、Xiaomi の MiMo V2.6 に9B(90億パラメータ)の小型版が加わりました。9月に当ブログで測った MiMo V2.6 は、複数枚のグラフィックボードで動かす大型でした。今回は、1枚のグラフィックボードに載る大きさです。コードとエージェント用途向けとされるこの小型版は、手元の GPU でどのくらいの速さで動き、どれだけのメモリを使うのでしょうか? 同じ土台の Qwen3.5-9B と並べて、RTX 3090 で測りました。
この記事は実測です。2026年11月8日と9日に、Ubuntu 機の RTX 3090(VRAM 24GB)で測りました。VRAM 8GB の RTX 3070(Linux 機)でも、同じ条件で測りました(11月9日)。12GB のカードでは測っていません。答えの賢さは、同じ問題集を土台の Qwen3.5-9B にも解かせて測りました(11月9日・10日・12日)。測れた範囲と測れていない範囲を、分けて書きます。
目的〜何を確かめた記事か
確かめたのは、次の3つです。
- 速さ: MiMo V2.6 9B の「書く速さ」と「読む速さ」は、土台の Qwen3.5-9B と比べてどうか。文脈の長さで、どう変わるか
- メモリ: 文脈を長くしたとき、VRAM をどれだけ使うか。8GB・12GB のカードに載るのか
- 同時処理: Ollama v0.40.15 の更新で、同時に複数の依頼を処理できるようになったとされる。実際に、合計の速さは上がるのか
- 賢さ: コードを書く力・知らないことを知らないと言えるか・計算の正しさは、土台の Qwen3.5-9B と比べてどうか
賢さは、当ブログで使っている小さな問題集(コード13問・偽の前提を含む問い・計算96問)で測りました。Xiaomi の公称値(SWE Pro などの大きな試験)とは問題が違うので、公称値の追試ではありません。
前提知識〜この記事で使う言葉
- MiMo V2.6 9B: Xiaomi の MiMo チームが公開している、9B のモデルです。Ollama の説明では、Qwen3.5-9B を、MiMo が作ったデータで追加学習(微調整)したものです。ライセンスは MIT で、文脈の長さは 256K(約26万トークン)、画像も読めます
- 書く速さ(decode): 答えを1トークンずつ作る速さです。単位は tok/s(1秒あたりのトークン数)で、日本語ではおおよそ1トークンが1〜2文字の目安です
- 読む速さ(prefill): 入力の文章を読み込む速さです。長い文章を渡すときの待ち時間を決めます。単位は tok/s です
- 文脈の長さ(num_ctx): 一度に覚えておける文章の量です。長くするほど、会話の記憶(KV キャッシュ)が VRAM を使います
- 同時リクエスト: 複数の依頼を同時に処理することです。Ollama では OLLAMA_NUM_PARALLEL で同時に処理する数を決めます
- Q4_K_M: モデルを4ビット前後に圧縮する方式の1つです。今回の2つのモデルは、どちらもこの方式でした
- 作話率(FAR): 偽の前提を含む問い(実在しない物の仕様を聞くなど)に、「分からない」と留保せず、もっともらしい答えを作ってしまった割合です。低いほど良く、「答えのある問いにはちゃんと答えたか」(的中率)と対で読みます
- 確信度のずれ(ECE): 「どのくらい自信があるか」を答えさせ、その自信と実際の正答率のずれを表した値です。0 に近いほど、自信の申告が当てになります
- 思考モード(thinking): 答える前に、考えの過程を書かせる設定です。速さの測定では切りました。賢さの測定では、切った場合と入れた場合の両方を測りました
方法〜どう測ったか
機材と設定
測定は、Ubuntu 機の RTX 3090(VRAM 24GB)と、別の Linux 機の RTX 3070(VRAM 8GB)で、それぞれ1枚だけを使いました。ほかのグラフィックボードは見えない設定にしています。Ollama は v0.40.15 を、普段使っている版とは別の場所に置いて、専用のポートで動かしました。普段使っている版には触れていません。
モデルは、Ollama から取得した mimo-v2.6(latest)と qwen3.5:9b です。2つとも、構造は qwen35、パラメータ数は 9.0B、圧縮は Q4_K_M で、ファイルの大きさはどちらも 6.6GB でした。構造・圧縮・大きさが同じなので、速さの違いがモデルの中身から来るのか、ほかに原因があるのかを見たくて、この2つを選びました。
測り方
- 考えさせる設定(thinking)は切りました。温度は 0、乱数の種は 1 に固定しました
- 出力は 256 トークンに固定しました(同時処理の測定は 200 トークン)
- 入力は、文脈の長さごとに、約 230 トークン(MiMo は 226、Qwen は 229)・約 3,600 トークン・約 17,100 トークンの3種類です。毎回、先頭に違う番号を付けて、前の入力の記憶(キャッシュ)が使われないようにしました。実際に、読み込まれたトークン数が毎回ほぼ同じ値(MiMo は全回同じ、Qwen は最大で1トークン違い)だったことを確かめています
- 各条件で、モデルの読み込みを含む最初の1回を別に測り、続けて6回測りました。結果は、6回のうち最大と最小を除いた4回の中央値です
- 同時処理は、OLLAMA_NUM_PARALLEL を 1 と 4 にして、同時に出す依頼を 1・2・4 本にしました。文脈は 4,096、入力は約 300 トークンです。各条件を6回測り、同じ方法で中央値を取りました。最初の測定(11月8日)は、4本の同時処理で合計約 225 tok/s と、今回の測り直しと同じ結果でしたが、2本の結果が測るたびに大きくばらつき、生データも一部保存できていませんでした。そのため、Ollama を入れ直して、11月9日に全部測り直しました。この記事の同時処理の表は、測り直しの値です
- VRAM は、モデルを読み込む前後の nvidia-smi の差で測りました。ほかのモデルが残っていない状態から、1回ずつ測っています(11月8日の値と、11月9日の測り直しの値は、全項目で同じでした)
賢さの測り方
- 機材: 普段使いとは別に用意した Ollama で測りました。MiMo V2.6 9B は RTX 5060 Ti・Ollama v0.40.15(11月10日)です。Qwen3.5-9B は、コードと偽の前提の問いは EVO-X2・v0.32.15(11月9日)、計算96問は RTX 3090・v0.40.15(11月12日)です。計算は両方とも v0.40.15 で揃いました。コードと偽の前提は、MiMo が新しい Ollama でないと取得できず、Qwen を先に測ってあったため、版が揃っていません。参考に、Qwen の計算(思考なし)を v0.32.15 でも測ってあり、v0.40.15 との差は 96問中1問でした
- 問題集: ①コード13問(書いたコードを、隠してあるテストで採点。全部通れば合格)②偽の前提を含む問い(実在しない物について聞き、留保したか、作ってしまったかを分ける)と、答えのある問い12問(きちんと答えたか)③計算96問(正答率と、自信の申告のずれ)です。②は思考モードを切って、③は切った場合と入れた場合の両方を測りました
- 回数: 各1回です。温度は 0 です。問題数が少ないので、1問の差で割合が大きく動きます。作話率には、統計的な幅(95%区間)を付けました。思考モードありは、時間の上限を付けずに最後まで解かせました
- 採点は、答えを書いたモデルとは別の仕組みで行い、モデル自身には採点させていません
結果〜速さ・メモリ・同時処理・賢さ
書く速さと読む速さ
| 文脈の長さ | 入力トークン数 | MiMo V2.6 9B 書く速さ [tok/s] | Qwen3.5-9B 書く速さ [tok/s] | MiMo 読む速さ [tok/s] | Qwen 読む速さ [tok/s] |
|---|---|---|---|---|---|
| 2,048 | 226 | 120.3 | 97.2 | 2,987 | 2,627 |
| 8,192 | 約 3,600 | 115.8 | 94.0 | 4,537 | 4,208 |
| 32,768 | 約 17,100 | 109.3 | 90.0 | 4,398 | 4,209 |
RTX 3090・Ollama v0.40.15・Q4_K_M・各条件6回のうち、最大と最小を除いた4回の中央値・2026年11月8日の実測です。
MiMo V2.6 9B のほうが、書く速さが約2割速い結果でした(120.3 ÷ 97.2 = 1.24 倍、115.8 ÷ 94.0 = 1.23 倍、109.3 ÷ 90.0 = 1.21 倍。計算)。6回の最小値と最大値は、MiMo が 117.7〜120.7、Qwen が 95.7〜98.8 で、重なっていません。モデルを載せる11月9日の測り直し(同時処理の1本のとき)でも、MiMo 約 120 tok/s、Qwen 約 97〜99 tok/s と、同じ差でした。
文脈を 2,048 から 32,768 に伸ばすと、書く速さは MiMo で 120.3 から 109.3 tok/s(約9%減)、Qwen で 97.2 から 90.0 tok/s(約7%減)に下がりました。読む速さは、入力が短い 2,048 のときだけ低く、約 3,600 トークン以上では 4,200〜4,500 tok/s 前後でした。17,100 トークンの入力は、約4秒で読み込める計算です(17,090 ÷ 4,398 = 3.9 秒)。
2つは、構造も圧縮も大きさも同じです。それでも、書く速さに2割の差が出ました。理由は確認していません。追加学習で重みの値が変わっても、計算量は変わらないはずなので、この差は意外な結果でした。Ollama の取り込み方の違いなども考えられますが、確かめていません。
VRAM の使用量
| 文脈の長さ | VRAM の増え分 [MiB] | おおよそ [GB] |
|---|---|---|
| 2,048 | 6,473 | 6.3 |
| 8,192 | 6,783 | 6.6 |
| 32,768 | 7,599 | 7.4 |
| 65,536 | 9,023 | 8.8 |
| 131,072 | 10,631 | 10.4 |
MiMo V2.6 9B を読み込んだ前後の、nvidia-smi の差です(1回ずつの測定。Qwen3.5-9B も、同じ構造のため同じ値でした)。
文脈の長さを 2,048 から 131,072 に伸ばしても、増えたのは約 4.1GB でした(10,631 − 6,473 = 4,158 MiB。計算。1GB = 1,024 MiB で換算)。文脈が長くなる分のメモリが、この種類のモデルでは小さく済んでいます。これは、構造が qwen35 であることと関係していると考えられますが、仕組みまでは確かめていません。
VRAM 8GB の RTX 3070 で測った結果
VRAM 8GB の RTX 3070(Linux 機・Ollama v0.40.15・Q4_K_M)で、同じ測り方で測りました。文脈 2,048・8,192・32,768 は6回、65,536・131,072 は時間の都合で3回です。「GPU の割合」は、Ollama が示した、モデル全体のうち VRAM に載った割合です。
| 文脈の長さ | GPU の割合 | MiMo 書く速さ [tok/s] | Qwen 書く速さ [tok/s] | MiMo 読む速さ [tok/s] | Qwen 読む速さ [tok/s] |
|---|---|---|---|---|---|
| 2,048 | 100% | 67.3 | 57.4 | 1,847 | 1,724 |
| 8,192 | 100% | 64.5 | 56.0 | 2,689 | 2,679 |
| 32,768 | 約85%(一部が CPU) | 30.8 | 28.9 | 1,374 | 1,372 |
| 65,536 | 約70% | 16.4 | 15.7 | — | — |
| 131,072 | 約55% | 10.8 | 10.5 | — | — |
読む速さは、文脈 65,536 以上では、入力が短い条件だけで測ったため、載せていません(—)。
文脈 8,192 までは、モデル全体が VRAM に載り、MiMo は 64.5〜67.3 tok/s で書けました。RTX 3090 の 115.8〜120.3 tok/s の約5〜6割です(67.3 ÷ 120.3 = 0.56、64.5 ÷ 115.8 = 0.56。計算)。3090 と 3070 のメモリ帯域は、936 GB/s と 448 GB/s で、約0.48倍です(448 ÷ 936 = 0.48。計算)。
文脈を 32,768 にすると、全体が約 7.3GB になり、VRAM に載るのは約 6.2GB で、約15%が CPU 側に回りました。書く速さは 30.8 tok/s と、8,192 のときの半分以下に落ちました。さらに長くすると、CPU に回る割合が増え、131,072 では約 45% が CPU 側で、10.8 tok/s でした。Qwen3.5-9B も、同じ傾向でした。
つまり、VRAM 8GB のカードで、MiMo V2.6 9B を速く使える範囲は、文脈 8,192 前後までです。MiMo は、どの文脈でも、Qwen3.5-9B より約 3〜17% 速い結果でした(書く速さの比: 67.3 ÷ 57.4 = 1.17、64.5 ÷ 56.0 = 1.15、30.8 ÷ 28.9 = 1.07、16.4 ÷ 15.7 = 1.04、10.8 ÷ 10.5 = 1.03。計算)。3090 での約2割の差より、小さくなっています。
同時リクエスト
| 設定 | 同時に出した依頼 | MiMo 合計 [tok/s] | MiMo 1本あたり [tok/s] | Qwen 合計 [tok/s] | Qwen 1本あたり [tok/s] |
|---|---|---|---|---|---|
| NUM_PARALLEL=1 | 1本 | 108.1 | 121.3 | 89.1 | 98.8 |
| NUM_PARALLEL=1 | 2本 | 105.5 | 119.5 | 87.7 | 96.6 |
| NUM_PARALLEL=1 | 4本 | 107.6 | 118.2 | 87.8 | 94.5 |
| NUM_PARALLEL=4 | 1本 | 109.9 | 119.8 | 90.0 | 96.8 |
| NUM_PARALLEL=4 | 2本 | 180.3 | 104.0 | 130.2 | 72.9 |
| NUM_PARALLEL=4 | 4本 | 227.3 | 69.8 | 162.1 | 46.1 |
「合計」は、出力したトークンの合計を、全部の依頼が終わるまでの時間で割った値です。「1本あたり」は、各依頼が答えを書いている間の速さで、順番待ちの時間は含みません。条件は、RTX 3090・文脈 4,096・入力約 300 トークン・出力 200 トークンです。
NUM_PARALLEL=1 では、同時に出す本数を増やしても、合計はほとんど変わりませんでした(MiMo で 108.1・105.5・107.6)。依頼は順番に処理されて、後ろの依頼は待たされていると読めます。NUM_PARALLEL=4 にすると、MiMo の合計は、2本で 180.3 tok/s(1本のときの約1.6倍)、4本で 227.3 tok/s(約2.1倍)でした(180.3 ÷ 109.9 = 1.64、227.3 ÷ 109.9 = 2.07。計算)。1本あたりの速さは 119.8 から 69.8 tok/s に下がります。それでも、4人が同時に使うと、1人あたり約 70 tok/s は出る計算です。
Qwen3.5-9B も同じ傾向で、合計は1本の 90.0 tok/s から、2本で 130.2 tok/s(約1.4倍)、4本で 162.1 tok/s(約1.8倍)になりました。MiMo のほうが、本数を増やしたときの伸びが大きい結果です。理由は確認していません。2つのモデルとも構造は同じなので、この同時処理は、v0.40.15 の更新に含まれる「再帰型・画像付きのモデルが複数の依頼を同時に処理できる」変更の効果と考えられます。更新前の版との比較は測っていないため、更新で良くなったかは、この記事では確かめていません。
賢さ〜コード・偽の前提・計算
| 項目 | MiMo V2.6 9B | Qwen3.5-9B | どう読むか |
|---|---|---|---|
| コード13問(全部のテストに通った数) | 9/13 | 12/13 | 多いほど良い |
| 作話率 FAR(偽の前提の問い) | 0.231(95%区間 0.08〜0.50) | 0.143(95%区間 0.04〜0.40) | 低いほど良い |
| 的中率(答えのある問い12問) | 12/12 | 11/12 | 多いほど良い |
| 計算96問 正答率(思考モードなし) | 0.771(74問) | 0.719(69問) | 高いほど良い |
| 計算96問 確信度のずれ ECE(思考モードなし) | 0.213 | 0.281 | 低いほど良い |
| 計算96問 正答率(思考モードあり) | 0.938(90問) | 1.000(96問) | 高いほど良い |
| 計算96問 確信度のずれ ECE(思考モードあり) | 0.022 | 0.000 | 低いほど良い |
| 思考モードありの考えた文字数(1問あたりの中央値) | 94 文字 | 1,884 文字 | 少ないほど速い |
| 思考モードありの出力トークン数(96問の合計) | 45,882 | 138,313 | 少ないほど速い |
Q4_K_M・各1回・温度 0 です。コードと偽の前提は、MiMo が RTX 5060 Ti・Ollama v0.40.15、Qwen が EVO-X2・v0.32.15 で、版が揃っていません。計算96問は、両方とも v0.40.15 です(MiMo は RTX 5060 Ti、Qwen は RTX 3090。答えの中身は GPU の違いで変わらない前提ですが、確かめていません)。
コード13問は、MiMo が 9問、Qwen が 12問でした。MiMo の落ちた4問のうち2問は、テストの9割・6割に通る「惜しい」答えでした。3問の差は、13問・各1回では偶然でも出る大きさで、MiMo のコードが劣るとまでは言えません。偽の前提の問いでは、MiMo は13件のうち3件で、実在しない物の答えを作ってしまいました(作話率 0.231)。Qwen は14件のうち2件(0.143)です。ただし、どちらも95%区間が 0.04〜0.50 の範囲で重なっていて、この回数では差があるとは言えません。答えのある問いには、MiMo は12問すべてに答え、Qwen は1問を「分からない」と断りました。
計算96問は、思考モードなしで MiMo が 74問、Qwen が 69問でした。思考モードを入れると、MiMo は 90問、Qwen は 96問すべてに正解し、自信の申告のずれ(ECE)も MiMo が 0.213 から 0.022 に、Qwen が 0.281 から 0.000 に小さくなりました。思考モードを入れると、計算の正しさも、自信の申告の当てになる度合いも、両方ともはっきり上がりました。
ただし、考える量が違います。1問あたりの考えた文字数の中央値は、MiMo が 94 文字、Qwen が 1,884 文字で、約20倍です。96問の出力トークンの合計は、MiMo が 45,882、Qwen が 138,313 で、約3倍です(138,313 ÷ 45,882 = 3.0。計算)。Qwen は RTX 3090 で96問を解き終えるまでに 1,888 秒(約31分)かかりました。MiMo が落とした6問は、大きな素数(128番目・174番目・191番目など)と、7進数への変換、6桁同士の掛け算で、Qwen はそれらを長く考えて当てています。MiMo が思考モードでも短く答えるのは、学習のさせ方の違いと考えられますが、確かめていません。
考察〜どう読めるか
9B としては速く、文脈を伸ばしても落ちにくい
RTX 3090 で書く速さが 109〜120 tok/s ということは、日本語ならおおよそ1秒に 110〜240 文字(1トークンを1〜2文字とした目安)です。人が読むより速い速さです。文脈を 32,768 まで伸ばしても、1割ほどしか落ちませんでした。長い資料を読ませる使い方でも、書く速さはあまり変わりません。ただし、3090 は一般的な家庭用のカードの中では速い部類なので、同じ値が他のカードで出るとは限りません。
同じ土台なのに、2割の差が出た
MiMo と Qwen は、構造・圧縮・大きさが同じなのに、書く速さに約2割の差が出ました。1つのモデルだけを見て「9B の速さ」とは言えず、同じ名前の大きさでも、モデルごとに測る必要があることが分かります。理由は未確認です。
速さは2割違ったが、賢さの差は「考える量」以外に見られなかった
書く速さは MiMo が約2割速かったのに対し、賢さは、思考モードなしでは、どの項目でも差があるとは言えませんでした。コードは MiMo が3問少なく、計算は MiMo が5問多く、偽の前提への作話率は区間が重なっています。この程度の差は、13問・96問・各1回では偶然でも出る大きさです(コード 9/13 と 12/13 の差が偶然で出る確率は約3割、計算 74/96 と 69/96 は約5割。計算)。思考モードありの計算だけは、Qwen の 96問が MiMo の 90問を上回りました(偶然で出る確率は約3%。計算)。ただし Qwen は約3倍の量を考えてから答えているので、「賢さの差」というより「考える量の差」です。Xiaomi は「コードとエージェント用途向け」としていますが、13問の小さな問題集では、コードで土台を上回る結果は出ませんでした。Xiaomi の公称値(SWE Pro 32.0 → 44.6 など)は、もっと大きく、エージェントとして動かす試験なので、今回の結果と食い違っているとも言えません。問題の種類が違います。
はっきり効いたのは、思考モードです。思考モードを入れると、計算の正答率は MiMo が 0.771 から 0.938 に、Qwen が 0.719 から 1.000 に上がり、自信の申告も両方とも当てになるようになりました。速さの表は思考モードを切って測っているので、思考モードを入れて使うなら、答えを書き始めるまでに考えの分だけ時間が足されます。その「考えの分」が、MiMo は短く(中央値 94 文字)、Qwen は長い(1,884 文字)という違いです。同じ 9B・同じ土台でも、思考モードでの振る舞いは別物でした。
Ollama の版は、計算96問では揃えました(両方 v0.40.15)。Qwen の思考なしは v0.32.15 でも測ってあり、v0.40.15 との差は1問(68問と69問)だったので、この問題集では版の影響は小さいと見ています。コードと偽の前提の問いは版が揃っていないままで、コードの3問差がモデルの差なのか版の差なのかは、分けられていません。
家のサーバーで複数人・複数のエージェントが使う場合
1台の GPU に、家族や複数のエージェントがつなぐ使い方では、NUM_PARALLEL を 4 にすると、4本のとき、合計の速さが約2倍(MiMo)になりました。1人あたりの速さは下がりますが、順番待ちが減ります。注意点は、VRAM です。同時に処理する数だけ、文脈の記憶が増えます。今回は、文脈 4,096 で測りました。文脈を長くしたうえで同時数を増やすと、VRAM が足りなくなる可能性があります。この組み合わせは測っていません。
グラフィックボードを選ぶ目安
9B のモデルを、文脈 8,192 前後で使うなら、VRAM 8GB のグラフィックボードでも、全部が VRAM に載り、64.5〜67.3 tok/s で書けました(RTX 3070 の実測)。文脈を 32,768 にすると、一部が CPU に回り、速さが半分以下に落ちます。256K の長い文脈を使いたいなら、VRAM 12GB 以上が目安ですが、12GB のカードでは測っていません(VRAM の使用量からの計算では、131,072 でも約 10.4GB なので、載ります)。グラフィックボードの VRAM や価格は、当ブログの GPU 価格一覧で、VRAM の容量や新品・中古の別に並べて見られます。
MiMo と Qwen の使い分けの目安
賢さに差が見えなかったので、使い分けは、速さ・同時処理・思考モード・ライセンスで決めるのが、今回の実測から言える範囲です。
- MiMo V2.6 9B を選ぶ場面: 1人で対話的に使い、応答の速さを優先するとき(同じ GPU で約2割速い)。家のサーバーで家族や複数のエージェントが同時に使うとき(4本同時の合計が 227 対 162 tok/s で、伸びが大きい)。思考モードを使いつつ、待ち時間を短くしたいとき(思考ありで 96問中 90問・考える量は Qwen の約3分の1)。ライセンスを MIT に揃えたいとき
- Qwen3.5-9B を選ぶ場面: 時間がかかっても計算を確実に当てたいとき(思考ありで 96問中 96問。ただし考える量が約3倍で、96問に約31分)。すでに Qwen3.5 系で環境を組んでいて、入れ替える理由がないとき(思考なしの賢さに差が見えない以上、2割の速さだけのために変える必要はありません)。Ollama の古い版しか使えない環境(MiMo は v0.40.15 以降でないと取得できません)。ライセンスは Apache 2.0 です(Hugging Face のモデルページ、2026年11月12日に確認)
- どちらでも変わらないこと: VRAM 8GB で速く使える範囲(文脈 8,192 前後まで)、容量と VRAM の使用量、思考なしでのコード・偽の前提・計算の正答率(この問題集の範囲)
- 決められないこと: エージェントとして長く動かしたときの差(Xiaomi が主張している点ですが、測っていません)と、日本語の文章の質(測っていません)
限界〜確かめていないこと
- 12GB のカード: 測っていません。8GB は RTX 3070 で、24GB は RTX 3090 で測りました。12GB は、VRAM の使用量からの計算だけです。RTX 3070 の文脈 65,536 と 131,072 は、3回だけの測定です
- 賢さ: 各1回・コード13問・計算96問の小さな問題集です。1問の差で割合が大きく動きます。コードと偽の前提の問いは、MiMo(Ollama v0.40.15)と Qwen(v0.32.15)で版が揃っておらず、差がモデルによるものか版によるものかは分けられていません。計算96問は版を揃えましたが、GPU は MiMo が RTX 5060 Ti、Qwen が RTX 3090 です。エージェントとして長く動かす力は測っていません。Xiaomi は、Qwen3.5-9B との比較として、SWE Pro で 32.0 から 44.6、Terminal Bench 2.1 で 27.0 から 37.1 と示していますが、Xiaomi 自身の評価で、問題も違うため、今回の結果とは並べていません
- 測定回数: 各条件6回で、最大と最小を除いた4回の中央値です。同時処理の最初の測定(11月8日)は、2本の結果が測るたびに大きくばらつきました(原因は確認していません)。表の値は、11月9日の測り直しです。測り直しでは、各条件の6回の値が近くまとまりました(MiMo の2本は 172.2〜186.0 tok/s)。1本あたりの速さが落ちた単発の回は、最初の測定にだけありました
- 同時処理: 更新前の版との比較はありません。生データは測り直し分を保存しており、最初の測定の生データは一部しかありません。文脈 4,096・入力約 300 トークン・出力 200 トークンの条件だけです
- VRAM: 1回ずつの測定です。画面表示などで使われる分は、今回の機体では含まれていません
- 思考モード: 考えさせる設定は切って測りました。考えさせると、書く量が増えて、全体の待ち時間は変わります
まとめ〜MiMo V2.6 9B を測った結果
- MiMo V2.6 9B は、RTX 3090 で書く速さが 120.3 tok/s(文脈 2,048)から 109.3 tok/s(文脈 32,768)で、同じ土台の Qwen3.5-9B(97.2 から 90.0 tok/s)より約2割速かった。理由は未確認
- VRAM は、文脈 2,048 で約 6.3GB、131,072 で約 10.4GB だった。VRAM 8GB の RTX 3070 では、文脈 8,192 までは全部が VRAM に載り、64.5〜67.3 tok/s で書けた。32,768 では約15%が CPU に回り、30.8 tok/s に落ちた
- OLLAMA_NUM_PARALLEL=4 で 4本を同時に出すと、MiMo の合計は 227.3 tok/s で、1本のとき(109.9 tok/s)の約2.1倍になった。Qwen3.5-9B は約1.8倍だった
- 賢さは、コード13問で MiMo 9問・Qwen 12問、計算96問(思考なし)で MiMo 74問・Qwen 69問、偽の前提への作話率は 0.231 と 0.143。どれも問題数と回数が足りず、差があるとは言えなかった。思考モードを入れると、計算は MiMo 90問・Qwen 96問に上がった。Qwen は考える量が約3倍で、96問に約31分かかった(各1回)
- 使い分けは、速さと短い思考で回すなら MiMo、時間をかけても確実に当てたいなら Qwen の思考あり。思考なしの賢さでは選べない。エージェント用途の差は測っていない
- 12GB のカードでの実測は、まだない
参考にした資料(2026年11月8日に確認):
- Ollama「mimo-v2.6」: https://ollama.com/library/mimo-v2.6
- Ollama v0.40.15 のリリースノート: https://github.com/ollama/ollama/releases/tag/v0.40.15
- 当ブログ「ローカルでOpus 5級のLLM? MiMo-V2.6を試した」: https://kimono-oyaji.com/mimo-v26-local/